人體運動捕獲數(shù)據(jù)的分析方法研究.pdf

1、近年來，運動捕獲技術(shù)逐漸成熟，并廣泛應(yīng)用于影視制作、游戲設(shè)計和體育訓(xùn)練等領(lǐng)域。隨著運動捕獲數(shù)據(jù)的逐年積累和運動編輯、合成等技術(shù)的飛速發(fā)展，使得高效地重用現(xiàn)有的捕獲數(shù)據(jù)成為趨勢。然而，由于在捕獲過程中關(guān)節(jié)數(shù)據(jù)可能缺失，運動捕獲序列過長，捕獲數(shù)據(jù)量大且冗余等原因，使運動捕獲數(shù)據(jù)的重用受到諸多限制。
　　本文的研究工作就是圍繞運動修復(fù)、運動分割、運動壓縮以及運動檢索這四方面展開，旨在提供有效的數(shù)據(jù)分析與處理手段，以確保運動重用技術(shù)的順利

2、實施，具體內(nèi)容與研究成果如下:
　　(1)基于張量填充的人體運動捕獲數(shù)據(jù)修復(fù)方法。該方法根據(jù)人體運動局部具有較強的時空相關(guān)性，再結(jié)合張量填充理論，首先以2D矩陣的形式表示運動特征，然后對該矩陣進行分割、重排、切片得到基于軌跡的3階低秩張量，最后利用低秩張量填充算法，實現(xiàn)了缺失數(shù)據(jù)的修復(fù)。實驗結(jié)果表明，該方法的修復(fù)效果優(yōu)于其他方法。
　　(2)基于主測地線分析(PGA)和概率主測地線分析(PPGA)的人體運動捕獲數(shù)據(jù)分割方法。

3、該方法利用人體運動捕獲數(shù)據(jù)的高維和非線性等特征，結(jié)合非線性流形學(xué)習(xí)算法，對特征數(shù)據(jù)進行非線性降維，然后利用主成分分析(PCA)和概率主成分分析(PPCA)的分割方法進行后續(xù)處理，從而實現(xiàn)運動分割。實驗結(jié)果表明，該方法能夠得到較好的分割效果。
　　(3)基于Tucker分解的人體運動捕獲數(shù)據(jù)壓縮方法。該方法依據(jù)Tucker分解中每個維度上保留的主成分?jǐn)?shù)可以不相等，在相關(guān)性高的維度上使用更少的主成分進行表示，極大地減少了數(shù)據(jù)存儲空間和